Metodik

Last reviewed: 25 april 2026

LongevityMate omvandlar blodprovdata, valfri kontext från bärbara enheter, mål och livsstilsfrågor till utbildande insikter. Denna sida beskriver den övergripande processen vi använder så att användare kan förstå vad som driver varje rapport, instrumentpanel och Mate-svar.

1. Datainmatning och normalisering

Vi tar emot biomarkörvärden, enheter och datum från uppladdade eller manuellt angivna resultat. Där användare väljer att ansluta Apple Health eller Health Connect kan vi också använda auktoriserade sammanfattningar från bärbara enheter för extra kontext. Vi normaliserar enheter där det är möjligt så att värden kan jämföras konsekvent över tid.

2. Gruppindelning och poängsättning av biomarkörer

Kärnbiomarkörer är grupperade i åtta bedömda hälsokategorier. Varje kategori använder Must-biomarkörer för att låsa upp poängen, och inkluderar sedan Support-biomarkörer när de är tillgängliga för att förfina resultatet. Den essentiella biomarkörspanelen inkluderar också varje markör som behövs för uppskattning av biologisk ålder.

Full markör täckning listas på Testguide.

3. AI-assisterad rekommendationsutkast

AI-komponenter använder din strukturerade biomarkörkontext, mål, onboarding-svar, tillgängliga bärbara signaler och framstegshistorik för att utarbeta utbildningsförslag och handlingsprioriteringar. Utdata är avsedda att stödja informerade diskussioner med kliniker, inte ersätta dem.

Se gränser och kända begränsningar på AI-begränsningar page.

4. Användarkontroller och integritet

Users can update entries, control connected data sources, export information, and request deletion. Data handling details are documented in our Sekretesspolicy och användningsgränser finns i Tjänstevillkor.